multype2txt

将 Office 与 PDF 文档转换为纯文本的命令行工具。

聚焦“文档 -> 纯文本”这一条最核心的链路，便于在脚本、管道与批处理场景中独立使用。

核心目的是便于 AI 读取这些文档，节约 token 消耗。

特性

• 单命令、零配置：multype2txt -i <文件> 即得到文本。
• 覆盖常见办公与电子文档格式，纯 Rust 实现，无 C/C++ 动态库依赖。
• 结果默认写入标准输出，天然适配管道；-o 可落盘为 .txt。
• 诊断日志固定写 stderr，默认关闭（仅 error），需要时用 -v 开启，绝不会混入标准输出。
• 扩展名大小写不敏感，并借助文件头签名识别真实格式（例如把 .xls 误存为 .doc 也能解析）。

支持格式

格式	扩展名	解析库
Word（OOXML）	.docx	office_oxide
Word（二进制）	.doc	office_oxide
PowerPoint（OOXML）	.pptx	office_oxide
PowerPoint（二进制）	.ppt	office_oxide
Excel（OOXML）	.xlsx	office_oxide
Excel（二进制）	.xls	office_oxide
PDF	.pdf	pdf_oxide

说明：

• Office 六种格式由 office_oxide 统一处理，会自动识别文件真实类型。
• 加密的 OOXML 文档（受密码保护）不支持解密，会给出明确错误。
• PDF 按页面阅读顺序抽取正文，页与页之间插入换页符（U+000C / \f）， 以保留分页边界；在普通文本查看器中表现为分页，不产生可见的标记文本。

安装与构建

要求 Rust 1.88 及以上。

# 调试构建
cargo build

# 发布构建（产物位于 target/release/multype2txt）
cargo build --release

也可以直接运行：

cargo run -- -i samples/demo.docx

用法

multype2txt -i <输入文件> [-o <输出文件>]

参数

参数	说明
-i, --input <FILE>	必填。输入文档路径。
-o, --output <FILE>	可选。输出文本文件路径；缺省时写入标准输出。
-v, --verbose	可选。打开诊断日志：-v 为 info，-vv 为 debug。
-h, --help	打印帮助。
-V, --version	打印版本。

日志与数据隔离

• 转换结果只出现在标准输出（或 -o 指定的文件）中。
• 诊断日志始终写 stderr，且默认只输出 error；-v 逐级放宽到 info/debug。
• 为避免外部环境误开日志，程序不读取 RUST_LOG；日志级别完全由 -v 控制。

示例

# 输出到标准输出
multype2txt -i report.pdf

# 输出到文件
multype2txt -i report.docx -o report.txt

# 接入管道（结果与诊断分离）
multype2txt -i annual.pptx | head -n 50

# 批量转换
for f in docs/*.docx; do
    multype2txt -i "$f" -o "${f%.docx}.txt"
done

# 需要排查问题时打开诊断日志（写 stderr，不影响结果）
multype2txt -v -i report.pdf -o report.txt

退出码

退出码	含义
0	转换成功
1	转换失败（格式不支持、文件损坏、写入失败等）
2	命令行参数错误

项目结构

src/
  main.rs              # 命令行入口：参数解析、输出分发、退出码
  lib.rs               # 库入口，对外导出 convert_file / is_supported
  error.rs             # ConvertError：统一的错误类型
  converter/
    mod.rs             # 按扩展名分派到具体解析器
    office.rs          # Office 六种格式 -> 文本
    pdf.rs             # PDF -> 文本
tests/
  convert.rs           # 针对 samples/ 的端到端转换测试
samples/               # 随附的小体积样例文档

设计上刻意保持扁平：converter 只依赖底层解析库，错误集中到 ConvertError， 命令行层只负责 I/O 与退出码，便于作为库被其他程序复用。

开发

cargo fmt
cargo clippy --all-targets
cargo test

许可

Apache License 2.0，详见 LICENSE。